霸道妹子

2022-08-26

從技術(shù)實(shí)施角度看，數(shù)據(jù)治理包含“理”“采”“存”“管”“用”這五個(gè)步驟，即業(yè)務(wù)和數(shù)據(jù)資源梳理、數(shù)據(jù)采集清洗、數(shù)據(jù)庫設(shè)計(jì)和存儲、數(shù)據(jù)管理、數(shù)據(jù)使用。

數(shù)據(jù)資源梳理：數(shù)據(jù)治理的第一個(gè)步驟是從業(yè)務(wù)的視角厘清組織的數(shù)據(jù)資源環(huán)境和數(shù)據(jù)資源清單，包含組織機(jī)構(gòu)、業(yè)務(wù)事項(xiàng)、信息系統(tǒng)，以及以數(shù)據(jù)庫、網(wǎng)頁、文件和 API 接口形式存在的數(shù)據(jù)項(xiàng)資源，本步驟的輸出物為分門別類的數(shù)據(jù)資源清單。

數(shù)據(jù)采集清洗：通過可視化的 ETL 工具（例如阿里的 DataX，Pentaho Data Integration）將數(shù)據(jù)從來源端經(jīng)過抽取 (extract)、轉(zhuǎn)換 (transform)、加載 (load) 至目的端的過程，目的是將散落和零亂的數(shù)據(jù)集中存儲起來。

基礎(chǔ)庫主題庫建設(shè)：一般情況下，可以將數(shù)據(jù)分為基礎(chǔ)數(shù)據(jù)、業(yè)務(wù)主題數(shù)據(jù)和分析數(shù)據(jù)。基礎(chǔ)數(shù)據(jù)一般指的是核心實(shí)體數(shù)據(jù)，或稱主數(shù)據(jù)，例如智慧城市中的人口、法人、地理信息、信用、電子證照等數(shù)據(jù)。主題數(shù)據(jù)一般指的是某個(gè)業(yè)務(wù)主題數(shù)據(jù)，例如市場監(jiān)督管理局的食品監(jiān)管、質(zhì)量監(jiān)督檢查、企業(yè)綜合監(jiān)管等數(shù)據(jù)。而分析數(shù)據(jù)指的是基于業(yè)務(wù)主題數(shù)據(jù)綜合分析而得的分析結(jié)果數(shù)據(jù)，例如市場監(jiān)督管理局的企業(yè)綜合評價(jià)、產(chǎn)業(yè)區(qū)域分布、高危企業(yè)分布等。那么基礎(chǔ)庫和主題庫的建設(shè)就是在對業(yè)務(wù)理解的基礎(chǔ)上，基于易存儲、易管理、易使用的原則抽像數(shù)據(jù)存儲結(jié)構(gòu)，說白了，就是基于一定的原則設(shè)計(jì)數(shù)據(jù)庫表結(jié)構(gòu)，然后再根據(jù)數(shù)據(jù)資源清單設(shè)計(jì)數(shù)據(jù)采集清洗流程，將整潔干凈的數(shù)據(jù)存儲到數(shù)據(jù)庫或數(shù)據(jù)倉庫中。

元數(shù)據(jù)管理：元數(shù)據(jù)管理是對基礎(chǔ)庫和主題庫中的數(shù)據(jù)項(xiàng)屬性的管理，同時(shí)，將數(shù)據(jù)項(xiàng)的業(yè)務(wù)含義與數(shù)據(jù)項(xiàng)進(jìn)行了關(guān)聯(lián)，便于業(yè)務(wù)人員也能夠理解數(shù)據(jù)庫中的數(shù)據(jù)字段含義，并且，元數(shù)據(jù)是后面提到的自動(dòng)化數(shù)據(jù)共享、數(shù)據(jù)交換和商業(yè)智能（BI）的基礎(chǔ)。需要注意的是，元數(shù)據(jù)管理一般是對基礎(chǔ)庫和主題庫中（即核心數(shù)據(jù)資產(chǎn)）的數(shù)據(jù)項(xiàng)屬性的管理，而數(shù)據(jù)資源清單是對各類數(shù)據(jù)來源的數(shù)據(jù)項(xiàng)的管理。

血緣追蹤：數(shù)據(jù)被業(yè)務(wù)場景使用時(shí)，發(fā)現(xiàn)數(shù)據(jù)錯(cuò)誤，數(shù)據(jù)治理團(tuán)隊(duì)需要快速定位數(shù)據(jù)來源，修復(fù)數(shù)據(jù)錯(cuò)誤。那么數(shù)據(jù)治理團(tuán)隊(duì)需要知道業(yè)務(wù)團(tuán)隊(duì)的數(shù)據(jù)來自于哪個(gè)核心庫，核心庫的數(shù)據(jù)又來自于哪個(gè)數(shù)據(jù)源頭。我們的實(shí)踐是在元數(shù)據(jù)和數(shù)據(jù)資源清單之間建立關(guān)聯(lián)關(guān)系，且業(yè)務(wù)團(tuán)隊(duì)使用的數(shù)據(jù)項(xiàng)由元數(shù)據(jù)組合配置而來，這樣，就建立了數(shù)據(jù)使用場景與數(shù)據(jù)源頭之間的血緣關(guān)系。 數(shù)據(jù)資源目錄：數(shù)據(jù)資源目錄一般應(yīng)用于數(shù)據(jù)共享的場景，例如政府部門之間的數(shù)據(jù)共享，數(shù)據(jù)資源目錄是基于業(yè)務(wù)場景和行業(yè)規(guī)范而創(chuàng)建，同時(shí)依托于元數(shù)據(jù)和基礎(chǔ)庫主題而實(shí)現(xiàn)自動(dòng)化的數(shù)據(jù)申請和使用。

質(zhì)量管理：數(shù)據(jù)價(jià)值的成功發(fā)掘必須依托于高質(zhì)量的數(shù)據(jù)，唯有準(zhǔn)確、完整、一致的數(shù)據(jù)才有使用價(jià)值。因此，需要從多維度來分析數(shù)據(jù)的質(zhì)量，例如：偏移量、非空檢查、值域檢查、規(guī)范性檢查、重復(fù)性檢查、關(guān)聯(lián)關(guān)系檢查、離群值檢查、波動(dòng)檢查等等。需要注意的是，優(yōu)秀的數(shù)據(jù)質(zhì)量模型的設(shè)計(jì)必須依賴于對業(yè)務(wù)的深刻理解，在技術(shù)上也推薦使用大數(shù)據(jù)相關(guān)技術(shù)來保障檢測性能和降低對業(yè)務(wù)系統(tǒng)的性能影響，例如 Hadoop，MapReduce，HBase 等。



商業(yè)智能（BI）：數(shù)據(jù)治理的目的是使用，對于一個(gè)大型的數(shù)據(jù)倉庫來說，數(shù)據(jù)使用的場景和需求是多變的，那么可以使用 BI 類的產(chǎn)品快速獲取需要的數(shù)據(jù)，并分析形成報(bào)表，像派可數(shù)據(jù)就屬于專業(yè)的BI廠商。

數(shù)據(jù)共享交換：數(shù)據(jù)共享包括組織內(nèi)部和組織之間的數(shù)據(jù)共享，共享方式也分為庫表、文件和 API 接口三種共享方式，庫表共享比較直接粗暴，文件共享方式通過 ETL 工具做一個(gè)反向的數(shù)據(jù)交換也就可以實(shí)現(xiàn)。我們比較推薦的是 API 接口共享方式，在這種方式下，能夠讓中心數(shù)據(jù)倉庫保留數(shù)據(jù)所有權(quán)，把數(shù)據(jù)使用權(quán)通過 API 接口的形式進(jìn)行了轉(zhuǎn)移。API 接口共享可以使用 API 網(wǎng)關(guān)實(shí)現(xiàn)，常見的功能是自動(dòng)化的接口生成、申請審核、限流、限并發(fā)、多用戶隔離、調(diào)用統(tǒng)計(jì)、調(diào)用審計(jì)、黑白名單、調(diào)用監(jiān)控、質(zhì)量監(jiān)控等等。